AI 寫程式總是失控？用 Superpowers 建立可靠的開發紀律

現在越來越多工程師會使用 Claude Code、Cursor、Codex、Gemini CLI 或其他 AI coding agent 來協助寫程式。只要輸入一句「幫我做登入功能」、「幫我修這個 bug」，AI 就能快速產生程式碼，看起來效率很高。

但真正把 AI 放進日常開發流程後，很快就會遇到幾個問題：

需求還沒釐清，AI 就開始寫程式。
測試沒有先寫，甚至根本沒寫。
AI 說「完成了」，但實際執行才發現功能壞掉。
修改一個 bug，結果又製造出另一個 bug。
程式碼看起來能跑，但沒留下設計紀錄，也很難交接。

這些問題通常不是模型不夠聰明，而是工作流程不夠可靠。

Superpowers 要解決的，正是這件事。

Superpowers 是什麼？

Superpowers 是目前 Claude Code 社群裡很熱門的 Skills 框架之一，專門用來強化 AI 的開發流程。它不是單純讓 AI 「更會寫程式」，而是讓 AI 在寫程式之前、寫程式之中、寫完之後，都按照一套更有紀律的流程工作。

你可以把 Superpowers 想成一套給 AI coding agent 使用的「開發工作手冊」。

它會提醒或要求 AI 在不同階段使用對應的 Skill，例如：

需求不清楚時，先進行 brainstorming。
要開始實作前，先寫 writing-plans。
要寫功能時，使用 test-driven-development。
遇到 bug 時，進入 systematic-debugging。
說完成之前，先執行 verification-before-completion。
需要隔離工作時，使用 using-git-worktrees。
需要審查時，使用 requesting-code-review。

也就是說，Superpowers 的價值不只是「增加功能」，而是讓 AI 開發變成一個可檢查、可追蹤、可驗證的流程。

為什麼需要 Superpowers？

很多人使用 AI 寫程式的方式，其實還停留在「提需求，等結果」。

例如：

幫我新增一個學生作業上傳功能。

AI 可能很快就改了一堆檔案，新增 API、修改 UI、調整資料庫欄位，看起來很有效率。但問題是：

它真的理解需求嗎？
有沒有考慮錯誤情境？
有沒有測試？
有沒有驗證現有功能沒有被破壞？
有沒有留下文件？
有沒有清楚說明改了哪些地方？

如果這些問題沒有被處理，AI 寫得越快，後續返工可能越多。

Superpowers 的核心理念是：

聰明是模型的事，可靠是流程的事。

模型可以幫你寫程式，但流程要讓它知道什麼時候該停下來、什麼時候該問問題、什麼時候該測試、什麼時候才算真的完成。

Superpowers 的核心流程

Superpowers 的開發流程可以簡化成四個階段：

1. Design：先設計，不急著寫

當你要做新功能時，不要一開始就叫 AI 寫程式。Superpowers 會鼓勵 AI 先透過 brainstorming 釐清需求。

這個階段的重點包括：

確認真正要解決的問題
一次只問一個問題
避免一次丟出太多開放式問題
提出不同方案與取捨
砍掉不必要的功能，遵守 YAGNI 原則

這可以避免 AI 一開始就走錯方向。

2. Plan：把任務拆成可執行步驟

需求確認後，下一步不是直接寫 code，而是建立實作計畫。

常用 Skill：

/superpowers:writing-plans

這個 Skill 會把任務拆成一個個很清楚的小步驟，包括：

要修改哪個檔案
要新增哪些測試
每一步要執行什麼指令
預期會看到什麼結果
完成標準是什麼

好的計畫不是寫給「很懂專案的人」看的，而是寫給「新開的 AI session 或 junior engineer」也能照著完成的人看的。

這一點非常重要。因為 AI 很容易在長對話中忘記上下文，或在不同 session 之間失去脈絡。明確的 plan 可以降低這個問題。

3. Test：先測試，再實作

Superpowers 很重視 test-driven-development，也就是 TDD。

它希望 AI 不要直接寫功能，而是：

先寫一個會失敗的測試
執行測試，確認真的失敗
寫最小可行程式碼讓測試通過
再次執行測試
重構與清理

這種流程看起來比較慢，但對 AI 開發非常重要。

因為 AI 最大的風險之一是「看起來完成了，但其實沒有驗證」。

TDD 可以把完成標準變成具體的測試，而不是只靠 AI 自己說「已經完成」。

4. Quality：完成之前必須驗證

AI 很常說：

功能已完成。

但實際上可能沒有跑測試、沒有 build、沒有 lint，甚至沒有啟動專案確認。

Superpowers 的 verification-before-completion 就是為了解決這個問題。

它會要求 AI 在宣稱完成之前，先執行必要驗證，例如：

npm test
npm run build
npm run lint
npm run typecheck

如果是後端專案，也可以包含：

pytest
go test ./...
cargo test

如果是前端專案，則可能需要：

npm run test
npm run build
npm run dev

重點不是指令本身，而是「不能沒有驗證就說完成」。

Superpowers 常用 Skill 整理

關鍵指令：find skills

安裝 Superpowers 後，最重要的第一個指令是：

find skills

這個指令可以讓 AI 掃描目前可用的 Skills，幫你知道現在有哪些能力可以使用。

建議你在每次進入新專案，或剛安裝 Superpowers 後，都先輸入：

find skills

接著可以再問：

請列出目前可用的 Superpowers skills，並說明每個 skill 適合在什麼情境使用。

或是：

請根據目前這個專案，建議我應該優先使用哪些 Superpowers skills。

這樣可以避免你裝了 Skills，卻不知道什麼時候該用。

Claude Code 常用安裝方式

官方 GitHub：
https://github.com/obra/superpowers

下載與安裝可以從官方 GitHub 頁面開始：
https://github.com/obra/superpowers

如果你使用 Claude Code，可以透過官方 plugin marketplace 安裝：

/plugin install superpowers@claude-plugins-official

也可以加入 Superpowers marketplace：

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

安裝完成後，建議先執行：

find skills

確認 Superpowers 是否正確載入。

建議的日常使用流程

如果你是第一次把 Superpowers 放進專案，可以先採用以下流程：

第一步：先找 Skills

find skills

請 AI 列出目前能使用的 Skills，並說明哪些適合目前專案。

第二步：新功能先 brainstorming

你可以這樣對 Claude Code 說：

我要新增一個學生作業上傳與 AI 批改功能，請使用 Superpowers 的 brainstorming 先幫我釐清需求，不要直接寫程式。

這樣可以避免 AI 直接動手，先把需求問清楚。

第三步：確認設計後寫計畫

/superpowers:writing-plans

或直接說：

請根據剛剛確認的設計，使用 writing-plans 幫我建立實作計畫。

第四步：依照計畫執行

如果任務較大，可以使用：

請使用 subagent-driven-development 依照這份 plan 執行。

如果任務比較小，也可以說：

請使用 executing-plans 逐步執行，完成每一步都回報。

第五步：完成前要求驗證

在你說完成之前，請使用 verification-before-completion，實際執行測試、build、lint，並回報結果。

這是整個流程中最重要的一步。

AI 說完成不代表真的完成。
有跑過驗證，才比較接近完成。

Superpowers 適合哪些人？

Superpowers 特別適合以下情境：

長期維護的產品
多人協作的專案
重視測試與品質的團隊
需要讓 AI 參與正式開發流程
常常遇到 AI 寫完但不能跑的問題
想把 AI 從「寫 code 工具」變成「開發夥伴」

如果你只是想快速做一個一次性 demo，Superpowers 可能會顯得比較重。因為它會要求你先釐清需求、寫計畫、寫測試、做驗證，流程比單純 vibe coding 更嚴謹。

但如果你的目標是打造可維護、可驗證、可交接的程式碼，Superpowers 的價值就很明顯。

Superpowers 的限制

Superpowers 不是萬靈丹。

它可以讓 AI 更有紀律，但仍然有幾個限制：

第一，它主要依靠 AI 遵守規則。
如果 AI 沒有正確載入 Skill，或跳過流程，還是需要人類提醒。

第二，它需要專案本身有良好的測試與建置指令。
如果你的專案沒有 test、build、lint，Superpowers 很難幫你驗證。

第三，它會增加前期流程成本。
小任務可能會覺得太重，但大型功能會因此更穩。

第四，開發者仍然要審查結果。
Superpowers 可以減少 AI 亂寫，但不能取代人類工程判斷。

所以最好的使用方式不是完全放手，而是把 Superpowers 當成一套「AI 開發 SOP」。

一張圖理解 Superpowers 流程

這套流程的核心不是讓 AI 一次寫更多程式，而是讓 AI 每一步都可被確認、可被驗證、可被追蹤。

參考資源

官方 GitHub：
https://github.com/obra/superpowers